dsh-auto-model-routing 0.3.0 → 0.4.0

package/CHANGELOG.md

@@ -1,5 +1,16 @@
 # Changelog
 
+## 0.4.0
+
+- Upgrade AUTO by default: keep the main model fixed, independently judge child capability and reasoning investment, and enforce exact fresh-child bindings with persisted replay. Preserve explicit legacy rollback and MANUAL behavior.
+- Add TypeSafe, Concentrate and custom System One decision services with separate credentials, preset model menus and explicit public-sample connection testing.
+- Expose executable strategy details, candidate distributions, normalized Choice certainty and actual application status; no task-quality or savings claims.
+- Restore per-reply allocation feedback with immutable evaluation snapshots, request-event correlation, timestamped change/cancel events and legacy-record compatibility.
+- Refresh bilingual user documentation; label earlier GIFs as legacy mock-host demonstrations. Fork and real-provider teammate acceptance remain unsupported/unverified as documented.
+
+
+- Accept the DSH 0.2 host's React 18.3.1 as well as React 19 in the runtime peer declaration; client builds continue to use the host's shared React instance.
+
 ## 0.3.0
 
 - Publish as a standalone DSH bundle with the companion `subagent-model-routing` skill included.

package/README.md

@@ -2,12 +2,10 @@
 
 English · [简体中文](README.zh.md)
 
-![AUTO in action: a refactor-and-debug turn is judged complex and runs at high, a follow-up rename is judged simple and drops to low; hovering the AUTO chip shows the decision, clicking it switches to MANUAL](docs/auto-routing.gif)
-
 <!-- problem -->
-You should not have to raise or lower reasoning effort by hand for every message. In AUTO, each user turn is judged by the Jev decision model (via OpenRouter) as `simple` / `standard` / `complex` / `escalated`, and the plugin changes **only the reasoning effort** of the model you already picked. Provider and model are never changed. If Jev fails for any reason, AUTO switches itself off and the chip shows why.
+Keep the main model you chose; let AUTO select reasoning investment for each turn and suitable resources for fresh sub-agents. Jev judges **capability and effort independently**. DSH applies the route, and the UI distinguishes a decision from a configuration that actually reached a request.
 
-**Install.** DSH `0.2.0-rc.2`, Node.js `>=22.19`.
+**Install.** Tested with DSH `0.2.0-rc.2`, Web UI, Node.js `>=22.19`.
 
 ```sh
 dsh plugin --profile web add dsh-auto-model-routing
@@ -15,40 +13,69 @@ dsh plugin --profile web add dsh-auto-model-routing
 dsh plugin --profile web add prgrmrwy/dsh-auto-model-routing
 ```
 
-Restart DSH, refresh the Web page, then configure your OpenRouter key in **Settings → 自动模型路由**. The companion skill is included; it guides delegation but does not enforce every dispatch. Unlike model-pool routers or local classifiers, this plugin uses external Jev judgments and never switches the main model. The demos use an isolated Host with local mock Jev/model responses.
-
-In [ohmydsh](https://github.com/prgrmrwy/ohmydsh), enable only the local `auto-model-routing` entry and run `dsh build`; no separate skill customization is needed.
+Restart DSH and refresh the Web page. In **Settings → 自动模型路由**, choose a decision service, save its API key, and use **测试连接** with a fixed public sample. New chats default to **MANUAL**; click the chip to use AUTO. The companion delegation skill is included—no separate skill installation is needed.
 
 ## Use
 
 | Where | What you do |
 |---|---|
-| **AUTO / MANUAL chip** (left of the model picker) | Click to switch. Hover to see this turn's effort, the latest Jev decision and its distribution. |
-| **Decision hint** | Appears above the chip for 3 s after each judgment, e.g. `complex → high · 0.70s`. |
-| **Gauge button** on a reply | Hover for the judgment; click to record which tier the turn should have used. |
-| **Settings → 自动模型路由** | OpenRouter key, default mode, effort cap, Jev deadline, hint switch and the routing maps (below). |
+| **AUTO / MANUAL chip**, left of the model picker | Click to switch. Hover for the decision, candidate distribution, certainty, model/effort and application status. |
+| **Decision hint** | Shows new decisions briefly; its Settings switch does not hide the hover panel. |
+| **Gauge button** below an eligible reply | Mark the allocation appropriate, too high, too low or unknown; change or clear your feedback later. Only replies bound to an applied main decision qualify. |
+| **Settings → 自动模型路由** | Choose service/model, manage its separate key, test the connection, set defaults/cap/deadline, or expand **查看决策策略** to inspect the actual rubric and model slots. |
+
+### Main model stays fixed; children are selected separately
+
+- **Main chat:** `lower / baseline / higher` moves at most one supported effort step below/at/above the model's verified recommended starting point. The cap defaults to `xhigh`; AUTO never selects `max`. It does not change the main provider/model or write global model defaults.
+- **Fresh children:** capability is `bounded / analytical / frontier`; effort is judged separately. Claude slots are Haiku / Sonnet / Opus 5.5; GPT slots are Luna / Sol / Sol. The current catalog, supported efforts and official child allowlist must all permit the route. Magpie uses its exact provider and full family-prefixed model IDs, not a fallback to local transports.
+- **Explicit choices win:** specifying a model or effort leaves only the other dimension to judge. Specifying both skips Jev and validates the route. Missing task scope stops delegation rather than guessing.
+- **Official creation binds the route:** fresh `subagent` and fresh `spawn_teammate` paths bind an exact child identity before its first request. `route_subagent` is an optional preview—not proof of application and not a user constraint to copy into a subsequent call. Fork and unbound creation paths are unsupported; there is no silent substitution.
+- **Resume keeps the initial route.** Switching the root to MANUAL stops new judgments; already bound children retain their initial route. `applied` means the actual request configuration matched, **not** that the task succeeded. Real Magpie Claude/GPT ordinary calls were tested; fresh teammate routing and cold resume have mock-host coverage, not real-provider teammate acceptance.
 
-![Settings → Auto model routing: judging service, session defaults, and the Claude / GPT routing maps with main-chat effort and sub-agent recommendation per tier](docs/settings.gif)
+### Choose the decision service
 
-**Default effort.** Each model starts at its officially recommended effort: `standard` keeps it, `simple` goes one step down, `complex` one up, `escalated` two up. The result is capped (default `xhigh`), and AUTO never picks `max`. Each cell of the routing map can override this: main efforts apply to every model of a provider family, and sub-agent cells are full model + effort pairs.
+| Service | Endpoint | Default model | Credential reference |
+|---|---|---|---|
+| OpenRouter (default, preserves existing installations) | `https://openrouter.ai/api/alpha/decisions` | `typesafe/jev-1.13` | `OPENROUTER_API_KEY` |
+| TypeSafe | `https://api.typesafe.ai/v1/systemone` | `jev-1.13.0` | `TYPESAFE_API_KEY` |
+| Concentrate | `https://api.concentrate.ai/v1/systemone` | `jev-1.13.0` | `CONCENTRATE_API_KEY` |
+| Custom System One | Your full endpoint | Editable | `AUTO_DECISION_CUSTOM_API_KEY` |
 
-**Sub-agents.** The `route_subagent` tool uses the same judgment and returns provider/model/effort (Claude: Haiku → Sonnet → Opus → Opus; GPT: Luna → Sol → Sol → Sol). It only judges when the root chat is AUTO, and otherwise returns `routed: false`. These routes must be in the official sub-agent allowlist, which is fixed when a chat is created.
+Preset model menus expose documented versions, not live availability guarantees. Custom services keep an editable model ID and must support `state + questions → answers`; an OpenAI chat-completions endpoint alone is not compatible. Custom endpoints require HTTPS (loopback HTTP is allowed), reject URL credentials/query/fragment and redirects. Only configure endpoints you trust with the dedicated key. TypeSafe and Concentrate have contract/mock coverage; their live authentication and regional availability were not verified here. No service failover occurs automatically.
+
+**Certainty is not the selected probability.** Choice certainty is `(pmax − 1/n) / (1 − 1/n)`: with three candidates, a 70% top probability gives 55% certainty. The panel shows the service's returned certainty and full candidate distribution separately, including returned zeroes; missing values are marked unavailable. Neither number is task success rate.
 
 ## Good to know
 
-- **New chats default to MANUAL.** You can change this in Settings.
-- **Fail closed.** No key, out of credits, rate limit, region block, timeout or a bad reply: the chat goes to `MANUAL · Jev 停用` with the reason. Click AUTO to retry. There is no local fallback and no retry.
-- **MANUAL only stops changes.** The chat keeps the last effort AUTO set. AUTO also writes it into the official selection, so new chats start from it.
-- **Data sent out.** In AUTO, every user turn sends up to 8000 characters of your message and short parts of the previous turn to OpenRouter / TypeSafe (`typesafe/jev-1.13`). The text is redacted by shape first (keys, tokens, URL credentials, IPs). This is best effort and does not guarantee that every secret is removed.
-- **The key** is stored through the official DSH credentials service, never in the plugin config. A key in the launch environment (`OPENROUTER_API_KEY`) takes precedence and is read-only. To move it to the GUI, remove it from the launch environment, restart once, then save it in Settings.
-- **Files.** Settings live in `$DSH_HOME/plugins/dsh-auto-model-routing/config.json`; per-chat mode and judgments live in `$DSH_HOME/state/auto-model-routing/`. Changes take effect on the next request; no restart is needed.
+- **Failures are visible.** Main judgment failure disables AUTO with a reason; child judgment/route failure stops dispatch. No local classifier, automatic retry, upgrade or cross-service fallback.
+- **MANUAL stops adjustments, not history.** It does not restore an earlier effort. The official current selection remains in control; existing bound children keep their route while the plugin is enabled.
+- **Data leaves the machine.** AUTO sends shape-redacted task text (up to 8000 characters) and short previous-turn excerpts to your chosen service. Redaction is best effort, not a guarantee that all secrets are removed. Test Connection sends only a fixed public sample and can incur a small charge.
+- **Keys use official DSH credentials**, never plugin configuration. Launch-environment keys take precedence and are read-only. Service changes clear key drafts; save the service before managing its separate key. Changing a custom endpoint does not create a new credential namespace—review the key before trusting a new host.
+- **Local state:** configuration is under `$DSH_HOME/plugins/dsh-auto-model-routing/`; mode, child routes and feedback are under `$DSH_HOME/state/auto-model-routing/`. Feedback stores resource metadata, IDs, versions, returned distributions and timestamps—not task/reply text. Request event IDs allow later usage correlation; costs are not fabricated when unavailable. See [feedback and evaluation](docs/feedback-evaluation.md).
+- **No automatic learning.** Human allocation feedback is observational. It does not change routing or prove quality/cost benefits. Old messages without decision bindings are not backfilled; old records with missing evaluation fields remain unknown.
+- **Upgrade:** existing AUTO sessions use the new policy without a version switch or rewriting their stored mode. New chats still default to MANUAL unless configured otherwise. Historical four-tier mappings remain only for explicit `policy: "legacy"` rollback in plugin configuration; they are not the current policy or feedback menu.
 
 ## Architecture
 <!-- section: architecture -->
 
-![auto-model-routing architecture: the chip and RPC endpoints, the agent/pre-step hook asking Jev through OpenRouter, the agent/request hook rewriting only reasoning effort, and the route_subagent tool sharing the same judgment](docs/architecture.dual.svg)
+```text
+user turn → pre-step → selected Jev service → depth → main request effort
+fresh child creation → exact child binding → capability + depth → validated route
+request/header → configuration match → applied evidence
+assistant message → immutable decision snapshot → human feedback events
+```
+
+Entry: [index.ts](src/index.ts). Enforcement: [policy-host.ts](src/policy-host.ts). Actual rubric: [policy-v2-rubric.json](src/policy-v2-rubric.json). Model slots: [policy-v2.ts](src/policy-v2.ts). UI: [client](src/client/index.ts). Coverage and limitations: [development verification](docs/policy-v2-development.md), [real Magpie acceptance](docs/magpie-live-acceptance.md).
 
-An `agent/pre-step` hook judges step 1 of each user turn. An `agent/request` hook (prepended) then rewrites only `reasoningEffort`, and syncs it to the official model selection. Entry point: [`src/index.ts`](https://github.com/prgrmrwy/dsh-auto-model-routing/blob/main/src/index.ts). Rubric: [`src/rubric.json`](https://github.com/prgrmrwy/dsh-auto-model-routing/blob/main/src/rubric.json). Effort table: [`src/effort.ts`](https://github.com/prgrmrwy/dsh-auto-model-routing/blob/main/src/effort.ts). UI: [`src/client/`](https://github.com/prgrmrwy/dsh-auto-model-routing/blob/main/src/client/index.ts). Regression cases: [`eval/`](https://github.com/prgrmrwy/dsh-auto-model-routing/blob/main/eval/README.md). Diagram source: [`docs/architecture.json`](docs/architecture.json) (archify).
+<details>
+<summary>Earlier four-tier UI demos (legacy rollback only)</summary>
+
+These isolated-host recordings use mock Jev/model responses and show the previous UI, not the current default policy.
+
+![Legacy AUTO effort adjustment demo](docs/auto-routing.gif)
+![Legacy four-tier routing settings](docs/settings.gif)
+
+</details>
 
 ## Development
 
@@ -58,11 +85,15 @@ npm run typecheck
 npm run build
 ```
 
-Tests use the real AgentLoop with a fake LLM stream and a loopback fake Jev; they never call OpenRouter. `node scripts/label-report.mjs` summarizes your tier labels per rubric version.
+Tests use the official AgentLoop with fake LLM streams and mock/loopback Jev responses, not paid model calls. `scripts/label-report.mjs` reports **legacy tier labels only**; it is not a report for new allocation feedback. Evaluation schema and deduplication rules are in [feedback-evaluation.md](docs/feedback-evaluation.md).
 
-Specs and design: the current spec is [`openspec/specs/auto-model-routing`](https://github.com/prgrmrwy/ohmydsh/blob/main/openspec/specs/auto-model-routing/spec.md). The archived changes record the design history: [routing](https://github.com/prgrmrwy/ohmydsh/blob/main/openspec/changes/archive/2026-10-22-auto-model-routing/design.md) (decisions D1–D14) and [settings](https://github.com/prgrmrwy/ohmydsh/blob/main/openspec/changes/archive/2026-10-23-auto-model-routing-settings/design.md). The companion skill is [`skills/subagent-model-routing`](skills/subagent-model-routing/SKILL.md). Before you change the hooks, read [DSH plugin integration pitfalls](https://github.com/prgrmrwy/ohmydsh/blob/main/docs/architecture/dsh-plugin-integration-pitfalls.md).
+The [current specification](https://github.com/prgrmrwy/ohmydsh/blob/main/openspec/specs/auto-model-routing/spec.md) lives in the source monorepo. The bundled [delegation skill](skills/subagent-model-routing/SKILL.md) supplies guidance; enforcement belongs to the official host hooks, not the prompt. No measured task-quality or token-savings claim is made.
 
 ## Removal
 <!-- section: removal -->
 
-Run `dsh plugin --profile web remove dsh-auto-model-routing`, then restart DSH and refresh the page. In ohmydsh, set `enabled: false` and rebuild instead. The plugin-owned skill and tools disappear; settings and logs remain. Chats keep the last effort AUTO set until you pick another one.
+```sh
+dsh plugin --profile web remove dsh-auto-model-routing
+```
+
+Restart DSH and refresh the page. The plugin's skill/tools and request hooks disappear; settings and logs remain. Without the plugin, child replay is no longer enforced and host restoration uses the original creation configuration. In [ohmydsh](https://github.com/prgrmrwy/ohmydsh), disable the local entry and rebuild instead.

package/README.zh.md

@@ -2,12 +2,10 @@
 
 [English](README.md) · 简体中文
 
-![AUTO 实际效果：「重构并调试」被判为 complex，用 high；随后的「改个名」被判为 simple，降到 low；悬停 AUTO 芯片查看判档，点击切到 MANUAL](docs/auto-routing.gif)
-
 <!-- problem -->
-不必每条消息都手动调高或调低推理强度。AUTO 下，每个用户回合由 Jev 决策模型（经 OpenRouter）判为 `simple` / `standard` / `complex` / `escalated`，插件**只调整你已选模型的推理强度**，不换 provider 和模型。Jev 任何失败都会让 AUTO 自动停用，芯片上显示原因。
+主模型由你选，AUTO 为每轮选择推理投入，并为 fresh 子任务选配资源。Jev **独立判断能力需求和投入**，DSH 验证并应用配置；界面区分“做出了判断”和“实际请求已生效”。
 
-**安装**：DSH `0.2.0-rc.2`，Node.js `>=22.19`。
+**安装**：已验证 DSH `0.2.0-rc.2`、Web UI，Node.js `>=22.19`。
 
 ```sh
 dsh plugin --profile web add dsh-auto-model-routing
@@ -15,40 +13,69 @@ dsh plugin --profile web add dsh-auto-model-routing
 dsh plugin --profile web add prgrmrwy/dsh-auto-model-routing
 ```
 
-重启 DSH、刷新页面，再到**设置 → 自动模型路由**配置 OpenRouter key。配套 skill 已包含，提供委派指引，但不强制拦截每次派发。与模型池路由或本地分类器不同，本插件用外部 Jev 判档，始终不换主模型。演示来自隔离 Host，使用本地模拟的 Jev 和模型响应。
-
-在 [ohmydsh](https://github.com/prgrmrwy/ohmydsh) 中只需启用 local `auto-model-routing` 条目并运行 `dsh build`，不再单独启用 skill 条目。
+重启 DSH 并刷新页面，到**设置 → 自动模型路由**选择决策服务、保存对应 API key，点击**测试连接**发送固定公开样例。新会话缺省 **MANUAL**，点击芯片切换 AUTO。配套委派 skill 已包含，无需单独安装。
 
 ## 使用
 
 | 位置 | 操作 |
 |---|---|
-| **AUTO / MANUAL 芯片**（模型选择器左侧） | 点击切换；悬停查看本回合 effort、最近一次 Jev 决策及其分布 |
-| **判档提示** | 每次判档后在芯片上方显示 3 秒，例如 `complex → high · 0.70s` |
-| 回复下方的**仪表按钮** | 悬停看判档，点击标注「这轮应该用哪档」 |
-| **设置 → 自动模型路由** | OpenRouter key、默认模式、强度上限、判档等待上限、提示开关、路由映射（见下图） |
+| **AUTO / MANUAL 芯片**（模型选择器左侧） | 点击切换；悬停查看判断、候选分布、确定度、模型与投入、生效状态 |
+| **判档提示** | 短暂显示新决策；关闭设置中的提示开关不会隐藏悬浮面板 |
+| 回复下方的**仪表按钮** | 评价分配合适、投入偏高、投入不足或无法判断，支持修改和撤销；仅对绑定已应用主决策的回复显示 |
+| **设置 → 自动模型路由** | 选择服务与模型、管理独立 key、测试连接、设置模式/强度上限/等待时间；展开**查看决策策略**查看实际判据与模型槽 |
+
+### 主模型不换，子任务独立选配
+
+- **主会话**：`lower / baseline / higher` 相对于具体模型已验证的推荐起点，在受支持序列降低一档、保持或提高一档。缺省上限 `xhigh`，自动不选 `max`；不修改主 provider/model，也不改写全局模型默认值。
+- **fresh 子任务**：能力需求为 `bounded / analytical / frontier`，推理投入独立判断。Claude 能力槽为 Haiku / Sonnet / Opus 5.5；GPT 为 Luna / Sol / Sol。实际路由必须同时满足当前目录、支持的 effort 和官方子智能体允许列表。Magpie 保留真实 provider 与家族前缀完整模型 ID，不回退到本地入口。
+- **尊重显式选择**：只指定模型或投入时，仅判断另一维；两者都指定则不请求 Jev，只校验路由。缺少任务目标或范围时停止委派，不猜。
+- **官方创建绑定路由**：fresh `subagent` 和 fresh `spawn_teammate` 在子任务首次请求前绑定精确身份。`route_subagent` 只是可选预览，不代表已应用，也不能把推荐复制成用户约束。fork 和未绑定创建路径暂不支持，不静默替换。
+- **恢复保持初始路线**：根会话改为 MANUAL 后停止新判断，已有绑定子实例维持原路线。`applied` 只证明实际请求配置匹配，**不代表任务成功**。真实 Magpie Claude/GPT ordinary 调用已验证；fresh teammate 路由及冷恢复有 mock 宿主覆盖，不等于真实模型 teammate 已验收。
 
-![设置 → 自动模型路由：判档服务、会话默认值，以及 Claude / GPT 分页下每档的主会话推理等级与子会话推荐](docs/settings.gif)
+### 选择决策服务
 
-**缺省强度**：从各模型的官方推荐起点出发。standard 取起点，simple 降一级，complex 升一级，escalated 升两级；受上限约束（缺省 `xhigh`），AUTO 永不选 `max`。路由映射可逐格覆盖：主会话等级作用于同体系所有模型，子会话格为完整的 model + effort。
+| 服务 | 接口 | 缺省模型 | 凭据引用 |
+|---|---|---|---|
+| OpenRouter（默认，兼容已有安装） | `https://openrouter.ai/api/alpha/decisions` | `typesafe/jev-1.13` | `OPENROUTER_API_KEY` |
+| TypeSafe 官方 | `https://api.typesafe.ai/v1/systemone` | `jev-1.13.0` | `TYPESAFE_API_KEY` |
+| Concentrate | `https://api.concentrate.ai/v1/systemone` | `jev-1.13.0` | `CONCENTRATE_API_KEY` |
+| 自定义 System One | 完整接口地址 | 可编辑 | `AUTO_DECISION_CUSTOM_API_KEY` |
 
-**子会话**：`route_subagent` 工具用同一套判档，返回 provider/model/effort（Claude：Haiku → Sonnet → Opus → Opus；GPT：Luna → Sol → Sol → Sol）。只有根会话为 AUTO 时才判档，否则返回 `routed: false`。这些路由须在官方子智能体允许列表中，该列表在会话创建时固定。
+预置模型菜单列出文档确认的版本，不保证实时可用。自定义服务可填写自己的模型 ID，但必须兼容 `state + questions → answers`；只有 OpenAI chat-completions 接口并不兼容。自定义端点限 HTTPS（回环可 HTTP），禁止 URL 凭据、查询参数、片段及重定向。只配置你信任且适合使用该专用 key 的地址。TypeSafe、Concentrate 目前有协议/mock 覆盖，未在本次验证其真实凭据与地区可用性。失败不自动切换服务。
+
+**判定确定度不等于选中概率**：Choice 公式为 `(pmax − 1/n) / (1 − 1/n)`，三个候选中最高概率 70% 对应确定度 55%。面板分别显示服务返回的确定度和完整分布，保留返回的 0%，缺值标未提供。两者都不是任务成功率。
 
 ## 须知
 
-- **新会话缺省 MANUAL**，可在设置中改。
-- **失败即关闭**：无 key、余额不足、限流、地区受限、超时或响应无效时，会话切到 `MANUAL · Jev 停用` 并显示原因，点 AUTO 重试。没有本地降级，也不重试。
-- **MANUAL 只停止调整**：会话保持 AUTO 最后设定的 effort。AUTO 也会把它写入官方模型选择，所以新会话会从这个值开始。
-- **外发数据**：AUTO 下每个用户回合会把你的消息（最多 8000 字符）和上一轮的少量片段发给 OpenRouter / TypeSafe（`typesafe/jev-1.13`）。外发前先按形态脱敏（密钥、token、URL 凭据、IP），这是尽力而为，不保证去掉所有敏感信息。
-- **key** 经官方 DSH 凭据服务保存，不写进插件配置。启动环境里的 `OPENROUTER_API_KEY` 优先且只读；要迁到 GUI，先从启动环境删掉它，重启一次，再在设置页保存。
-- **文件**：设置在 `$DSH_HOME/plugins/dsh-auto-model-routing/config.json`；每个会话的模式与判档记录在 `$DSH_HOME/state/auto-model-routing/`。改动在下一次请求生效，无需重启。
+- **失败可见**：主判断失败会停用 AUTO 并显示原因，子判断或路由失败则停止派发。没有本地分类器、自动重试、自动升级或跨服务降级。
+- **MANUAL 停止调整，不复原历史值**：使用官方当前选择；只要插件启用，已绑定子任务仍保留原路线。
+- **任务会外发**：AUTO 将按形态脱敏的任务文本（最多 8000 字符）及上一轮少量片段发送给所选服务。脱敏尽力而为，不保证去除全部秘密。测试连接只发送固定公开样例，可能产生少量费用。
+- **key 经官方 DSH 凭据服务保存**，不写入插件配置。启动环境 key 优先且只读；切换服务清空 key 草稿，先保存服务再管理新 key。修改自定义端点不会产生新凭据空间，换地址前请确认专用 key 的信任边界。
+- **本地状态**：配置在 `$DSH_HOME/plugins/dsh-auto-model-routing/`，模式、子路由及反馈在 `$DSH_HOME/state/auto-model-routing/`。反馈只保存资源元数据、身份、版本、返回分布及时间，不保存任务或回复正文。请求事件序号供后续关联用量，缺失成本不会编造。见[反馈评估说明](docs/feedback-evaluation.md)。
+- **不自动学习**：人工反馈仅作观察，不改变路由，也不能直接证明质量提升或节省。无决策绑定的旧消息不回填，旧记录缺少的评估字段保持未知。
+- **升级兼容**：已有 AUTO 会话直接使用新策略，无需版本开关，也不重写会话模式。新会话缺省仍为 MANUAL，除非你改过设置。旧四档映射仅供配置中显式 `policy: "legacy"` 回滚，不是当前策略或反馈菜单。
 
 ## 架构
 <!-- section: architecture -->
 
-![auto-model-routing 架构图：芯片与 RPC 端点、agent/pre-step 钩子经 OpenRouter 请求 Jev、agent/request 钩子只改推理强度、route_subagent 工具共用同一判断](docs/architecture.dual.svg)
+```text
+用户回合 → pre-step → 所选 Jev 服务 → depth → 主请求 effort
+fresh 子创建 → 精确身份绑定 → capability + depth → 校验路由
+request/header → 配置匹配 → applied 证据
+assistant 消息 → 不可变决策快照 → 人工反馈事件
+```
+
+入口：[index.ts](src/index.ts)。执行接入：[policy-host.ts](src/policy-host.ts)。实际判据：[policy-v2-rubric.json](src/policy-v2-rubric.json)。模型槽：[policy-v2.ts](src/policy-v2.ts)。界面：[client](src/client/index.ts)。覆盖边界：[开发验证](docs/policy-v2-development.md)、[真实 Magpie 验收](docs/magpie-live-acceptance.md)。
 
-`agent/pre-step` 钩子在每个用户回合的第 1 步判档；随后以 prepend 注册的 `agent/request` 钩子只改写 `reasoningEffort`，并同步到官方模型选择。入口 [`src/index.ts`](https://github.com/prgrmrwy/dsh-auto-model-routing/blob/main/src/index.ts)，判档规则 [`src/rubric.json`](https://github.com/prgrmrwy/dsh-auto-model-routing/blob/main/src/rubric.json)，强度表 [`src/effort.ts`](https://github.com/prgrmrwy/dsh-auto-model-routing/blob/main/src/effort.ts)，界面 [`src/client/`](https://github.com/prgrmrwy/dsh-auto-model-routing/blob/main/src/client/index.ts)，回归用例 [`eval/`](https://github.com/prgrmrwy/dsh-auto-model-routing/blob/main/eval/README.zh.md)，图源 [`docs/architecture.json`](docs/architecture.json)（archify）。
+<details>
+<summary>旧四档界面演示（仅供 legacy 回滚参考）</summary>
+
+下列隔离宿主录屏使用模拟 Jev/模型响应，展示旧界面，不代表当前默认策略。
+
+![旧版 AUTO 推理强度调整](docs/auto-routing.gif)
+![旧版四档路由设置](docs/settings.gif)
+
+</details>
 
 ## 开发验证
 
@@ -58,11 +85,15 @@ npm run typecheck
 npm run build
 ```
 
-测试使用真实 AgentLoop、假 LLM 流和本地回环假 Jev，不访问 OpenRouter。`node scripts/label-report.mjs` 按规则版本汇总你的档位标注。
+测试使用官方 AgentLoop、假 LLM 流和 mock/回环 Jev，不产生真实模型费用。`scripts/label-report.mjs` **仅汇总旧四档标注**，不是新分配反馈报表；新数据结构与去重口径见[feedback-evaluation.md](docs/feedback-evaluation.md)。
 
-规范与设计：当前规范见 [`openspec/specs/auto-model-routing`](https://github.com/prgrmrwy/ohmydsh/blob/main/openspec/specs/auto-model-routing/spec.md)。归档 change 记录了设计演进：[路由](https://github.com/prgrmrwy/ohmydsh/blob/main/openspec/changes/archive/2026-10-22-auto-model-routing/design.md)（决策 D1–D14）与[设置](https://github.com/prgrmrwy/ohmydsh/blob/main/openspec/changes/archive/2026-10-23-auto-model-routing-settings/design.md)。配套 skill 见 [`skills/subagent-model-routing`](skills/subagent-model-routing/SKILL.md)。修改钩子前先读 [DSH 插件集成陷阱](https://github.com/prgrmrwy/ohmydsh/blob/main/docs/architecture/dsh-plugin-integration-pitfalls.md)。
+[当前规范](https://github.com/prgrmrwy/ohmydsh/blob/main/openspec/specs/auto-model-routing/spec.md)在源码 monorepo 中维护。包内[委派 skill](skills/subagent-model-routing/SKILL.md)提供指引，执行保障来自官方宿主钩子，而不是提示词。暂无完整任务质量或 token 节省的量化结论。
 
 ## 移除
 <!-- section: removal -->
 
-运行 `dsh plugin --profile web remove dsh-auto-model-routing`，重启 DSH 并刷新页面；ohmydsh 则设为 `enabled: false` 并构建。插件提供的 skill 与工具一并撤销，设置和日志保留。会话保持 AUTO 最后设定的 effort，直到在模型选择器里另选。
+```sh
+dsh plugin --profile web remove dsh-auto-model-routing
+```
+
+重启 DSH 并刷新页面。插件的 skill、工具和请求钩子撤销，配置与日志保留。关闭插件后不再执行子路由恢复，宿主使用原始创建配置。在 [ohmydsh](https://github.com/prgrmrwy/ohmydsh) 中则禁用 local 条目并重新构建。

package/docs/feedback-evaluation.md

@@ -0,0 +1,18 @@
+# AUTO 人工反馈数据与评估口径
+
+## 记录
+`$DSH_HOME/state/auto-model-routing/allocation-feedback.jsonl` 是本地append-only记录，无会话正文和key。
+
+绑定行使用sessionId/messageId/decisionId、depth、实际model/effort，新增boundAt与不可变snapshot：decidedAt/appliedAt、policyVersion/mappingVersion、decisionProvider/decisionModel、判断ms、返回的confidence/probabilities、实际provider、requestSeq及可得时requestTurn。requestSeq是同session请求头事件，可与该会话历史关联actual request及usage；绑定并非完成任务或用量已知的证明。
+
+反馈事件为`type:feedback, version:2`，带sessionId/messageId/decisionId、at、feedback。每次修改或撤销独立追加；null表示撤销。读取时按追加顺序应用到既有精确绑定。历史完整记录仍兼容，原快照不可被后续同身份行替换；旧记录没有时间或快照则未知，禁止用迁移时刻或最新配置补造。
+
+## 评估
+- 评估单位为(sessionId, decisionId)，不是每个assistant/message，避免同轮多条工具消息导致重复计数。先按消息取最后事件，再按决策取最后反馈；历史无时间以追加顺序作本文件内顺序，跨文件不可猜。
+- appropriate/too-high/too-low分别统计；unknown不是满意，null撤销不计有效评价；未评价不能计为合适。多条消息评价冲突也应单独报告。
+- 按策略版本/映射版本/服务模型及depth/实际路由分组；旧缺字段独立unknown组，不混进新策略精确对照。
+- 以requestSeq和消息ID关联实际usage/延迟/返工证据；拿不到价格或token就未知。用户主观反馈不等于正确性oracle，适合率也不能单独证明质量或节省。
+- 本期只提供采集与可追溯性，不做报表、自动阈值调整、自动训练或换模重试。
+
+## 确定度
+UI称“判定确定度”，Choice公式为`(pmax - 1/n)/(1 - 1/n)`；n为该维候选数。三选一最高概率70%得到55%，不等于选中概率或任务成功率。插件直接展示服务返回值，分布独立保留，不从四舍五入后的百分比反推。官方定义：https://docs.typesafe.ai/confidence.md 。

package/docs/host-capability-report.md

@@ -0,0 +1,91 @@
+# AUTO 宿主能力核验（官方 0.2.0-rc.2）
+
+## 结论
+
+**官方入口足以让插件在普通子会话、fork、teammate 的首次模型请求前读取精确子身份和本轮任务，并改写实际 provider/model/effort；不需要改宿主或 compat。** 这证明的是宿主接入能力，不是现有 AUTO 已支持这些路径。
+
+本次只完成宿主探针。策略、Jev、生产持久化、部署与真实模型兼容性均未实现/验证。尤其 fork 跨真实 provider 的历史兼容仍未通过支持门槛，不可据此启用生产自动路由。
+
+## 方法与范围
+
+- 可重跑的 [探针](../scripts/host-capability-probe.mjs)：独立临时 npm prefix，官方包精确 pin 为 `0.2.0-rc.2`、Cordis 为 `4.0.4`；运行前检查所有直接加载包版本。未加载 launcher 或 compat。
+- 官方 Agents、Loop、Sessions、Subagents、spawn/fork providers、Teams、JSONL persistence、session-query 组成真实宿主服务链。适配器是本地 fake，唯一允许的 provider 为 `probe` / `probe-other`，运行期 `fetch` 明确抛错。依赖安装访问 npm，不产生模型/Jev 请求。
+- 使用全局 `agent/pre-step` 的 `decision.messages` 读取进入本轮的任务；按 `agent.id` 记录确定性测试决策；`agent/request` waterfall 应用配置。测试标签仅为 oracle，**不是可直接复用的生产 prompt 匹配绑定方案**。
+- 证据同时校验子会话 `requestHeader().config` 和 fake adapter 收到的最后一次请求，使用请求 `sessionId` 关联，分别确认 provider、model、effort。provider 由各自独立适配器实例记录，不以相同模型名代替路由证明。
+- 数据均为合成任务，JSONL 和简易决策文件只写临时目录，不提交原始会话。
+
+## 支持矩阵
+
+| 路径 | 精确父子身份与任务 | 请求入口与实际执行 | 并发/后续/恢复 | 结论 |
+|---|---|---|---|---|
+| one-shot ordinary `start('spawn')` | 通过：run ID、live child、parentSession 与进入任务对应 | 通过：跨 fake provider + model/effort | 单次请求；未单测此入口并发 | 官方服务入口可用；非生产 applied |
+| continuable ordinary `startContinuable('spawn')` | 通过 | 通过 | 两个并发提交的不同任务各获不同配置，父请求不变；重建宿主后恢复通过 | 可作为正式实现基础；需插件自己的决策恢复机制 |
+| one-shot / continuable fork | 通过；进入任务不含父历史标记，完整会话仍保留父文本历史 | 通过：fake provider 切换 | 未覆盖 fork 冷恢复或并发专项 | 宿主入口可用；真实历史兼容未验证，生产异构 fork 不宣称支持 |
+| teammate fresh | 通过：官方 TeamService → continuable child | 通过；无需 Team 创建 API 暴露 model 参数 | 后续消息含不同测试标签也不重选；重建宿主后发消息恢复同一路由 | 官方服务入口可用；工具层与生产持久化未验证 |
+| teammate fork | 未单独运行组合测试 | 不借普通 fork 的结果算通过 | 未覆盖 | 本轮未验证，不启用自动应用 |
+| ACP / 远端进程子会话 | 未覆盖 | 当前全局 hook 仅本进程 | 未覆盖 | 本轮不支持声明 |
+
+并发证据是 `Promise.all` 并发提交的身份隔离，不是高负载、长流式交错或取消压力测试。后续消息证据是新消息新请求，不包括重复投递同一 message ID 的去重验证。
+
+## 关键发现：请求覆盖不等于持久化选模
+
+官方 continuable descriptor 在创建时保存 model/effort；`agent/request` 覆盖不会修改它。
+
+探针包含负对照：先路由 child → 关闭整个宿主 → 以同一持久化目录重建宿主，禁用决策应用 → 发新消息。实际请求恢复为父模型 `parent/medium`，而非首次应用的 `small/high`。
+
+再次重建宿主，并从探针自有文件恢复 `childId → provider/model/effort` 决策后，同一 child 和 teammate 的请求才保持首次选择。因此正式实现至少需要：
+
+1. 使用稳定的会话身份绑定初始决策，后续消息不重新分类；不能依赖临时 Agent 对象或 prompt 相似度。
+2. 通过插件自己的持久化或可验证重建机制恢复决策，处理恢复失败，不能默默继承却报告 applied。
+3. 为显式 model/effort 约束保留来源；本探针的标签路由没有实现该语义，不可直接上线。
+4. 避免调用主 UI 的 `sessionController.selectModel`：它还会保存全局默认选择；本探针完全不调用该入口。
+
+这里只验证了简易测试文件的正常读写恢复，不是生产持久化设计；未覆盖原子写、并发进程、崩溃、损坏、版本迁移和 MANUAL 切换。
+
+## 官方源码依据
+
+以下为核验时已安装的官方发布包位置，不是上游改动要求。临时 prefix 可按下方命令重建；其中源码行号仅适用于此 pin。
+
+- [pre-step / request 类型](../../../node_modules/@deepseek-ai/dsh-agent/lib/types/runtime-types.d.ts#L293-L332)：公开事件输入和 waterfall 返回契约。
+- [Loop 请求链](../../../node_modules/@deepseek-ai/dsh-agent-loop/lib/index.js#L1164-L1220)：实际调用 waterfall 后才 `llm.prepareCall`，记录 resolved request header。
+- [scopeTarget](../../../node_modules/@deepseek-ai/dsh-scope/lib/index.js#L315-L337)：无 Agent 作用域标记的全局 listener 可观察不同子身份。
+- [SubagentStartRequest](../../../node_modules/@deepseek-ai/dsh-subagent/lib/types/types.d.ts#L136-L162)：公开 `agentOptions`，不必通过工具 schema 推断宿主能力。
+- [continuation 创建](../../../node_modules/@deepseek-ai/dsh-subagent/lib/types/continuation.js#L101-L176)、[冷恢复](../../../node_modules/@deepseek-ai/dsh-subagent/lib/types/continuation.js#L354-L374)：descriptor 与恢复选项。
+- [官方 Team 创建转发](/tmp/dsh-official-routing-probe.HImElm/node_modules/@deepseek-ai/dsh-experimental-agent-team/lib/index.js#L573-L582)：只转发 prompt/parent，未传 agentOptions；并不妨碍插件在 child request 入口配置。
+- [默认选择副作用](../../../node_modules/@deepseek-ai/dsh-api-session-controller/lib/index.js#L720-L739)：`selectModel` 还会 `saveSelection`。
+
+`resolveChildAgentOptions` 是 [官方公开导出](../../../node_modules/@deepseek-ai/dsh-subagent/lib/types/index.d.ts#L55)，前期函数级实验使用内部文件路径不意味着函数本身是私有 API。本次整链探针没有导入任何内部 helper。
+
+## 重跑
+
+从仓库根运行，Node 24；不更改仓库依赖、manifest 或当前 GUI：
+
+```bash
+PROBE_HOME=$(mktemp -d /tmp/dsh-official-routing-probe.XXXXXX)
+npm install --prefix "$PROBE_HOME" --save-exact --ignore-scripts --no-audit --no-fund \
+  @deepseek-ai/cordis@4.0.4 \
+  @deepseek-ai/dsh-agent-loop@0.2.0-rc.2 \
+  @deepseek-ai/dsh-experimental-agent-team@0.2.0-rc.2 \
+  @deepseek-ai/dsh-session-persistence-jsonl@0.2.0-rc.2 \
+  @deepseek-ai/dsh-session-query-sqlite@0.2.0-rc.2 \
+  @deepseek-ai/dsh-subagent-fork-in-process@0.2.0-rc.2 \
+  @deepseek-ai/dsh-subagent-spawn-in-process@0.2.0-rc.2
+node packages/auto-model-routing/scripts/host-capability-probe.mjs "$PROBE_HOME"
+```
+
+探针输出 7 项 PASS 后才表示整链成功。它有独立依赖装配要求，未加入默认单元测试命令。
+
+装配期间遇到并修正的探针问题：父创建必须提供 sessionId；官方 continuable 任务会附加返回指导，不能断言整个文本与原 prompt 完全相等；子实例自然完成后可能已经卸载，证据应保存事件中的精确 Agent 身份；冷恢复必须装配 session-query（`openAt: 'never'` 保留 exact reads 且不加载 SQLite）；npm 分次安装缺少 `--save-exact` 会漂移版本，版本断言已捕获，最终重装为精确 pin。以上均未修改官方宿主。
+
+## 检查结果与本地复核
+
+- 探针：7 项 PASS（包含恢复负对照）；复核后补充父会话在子任务之后再次发请求仍保持原配置的断言。
+- package 工作目录执行 Vitest：25 个测试文件、162 个测试通过。
+- OpenSpec 严格校验与 `git diff --check`：通过。
+- 首次从仓库根运行 Vitest 的路径过滤意外匹配 worktree，且未使用 package 配置，UI 测试报告缺少 `clsx`。改为 package 工作目录后全部通过；未为此安装仓库依赖或修改 UI。
+- 本地全范围复核：新增脚本/报告及本轮 design/tasks 修改均检查；没有修改运行时代码。保留的局限是明确列出的组合覆盖和生产机制缺口，不将其记为 applied。
+- 未运行全仓测试、构建、sync、真实模型调用或浏览器验证；本次没有部署变更。
+
+## 明确不包含
+
+真实模型和 Jev 调用、策略效果/成本比较、真实 provider 历史与工具消息兼容、部署中工具调用、GUI、subscriptions/MANUAL 改造、上游补丁、生产 AUTO 自动路由。现有 AUTO 请求中间件仍跳过 subagent，此报告不改变当前功能承诺。

package/docs/jev-policy-v2-validation.md

@@ -0,0 +1,37 @@
+# Jev policy-v2 验证（2026-10-24）
+
+## 结论
+
+官方接口和真实 `typesafe/jev-1.13` 均支持一次请求中独立返回 capability 与 depth。10 次合成任务请求全部返回合法的双 Choice；预先定义的 development / holdout 各 5 例均符合预期，不调整 rubric、不重试。**这只证明接口与小样本分类，不证明实际子模型质量、成本收益或默认推广条件。**
+
+- [官方教程](https://openrouter.ai/docs/guides/community/jev-tutorial.md)：多个问题并行作答，不能读取彼此答案。
+- [官方 API schema](https://openrouter.ai/docs/api/api-reference/alphadecisions/submit-a-decisions-request.md)：questions 为命名问题映射，answers 同键返回。
+- [价格入口](https://openrouter.ai/api/v1/models/typesafe/jev-1.13/endpoints)：验证时 input US$0.042 / million tokens，output 0；请求显式 max_price + 禁止 fallback。
+- 模型仍固定 `typesafe/jev-1.13`；文档虽然已有 1.14，本次不擅自升级。
+
+## 实测
+
+用户授权上限：20 次、输入每次 ≤8192 bytes、US$0.10。实际 10 次，总 input 8194 tokens，**US$0.000344148**；单次 493–1036 ms。真实 snapshot 为 `typesafe/jev-1.13-20260917`。
+
+| 样例 | split | capability | depth |
+|---|---|---|---|
+| dev-bulk | development | bounded | baseline |
+| dev-risk | development | bounded | baseline |
+| dev-debug | development | analytical | baseline |
+| dev-proof | development | frontier | higher |
+| dev-missing | development | insufficient_context | baseline |
+| hold-extract | holdout | bounded | lower |
+| hold-batch | holdout | bounded | baseline |
+| hold-tradeoff | holdout | analytical | baseline |
+| hold-constraints | holdout | frontier | higher |
+| hold-unknown | holdout | insufficient_context | baseline |
+
+[测试输入及独立预期](../eval/policy-v2-cases.json)、[问题定义](../src/policy-v2-rubric.json)、[有预算保护的实测脚本](../eval/policy-v2-live.mjs)。depth 从同一任务证据独立判断相对适配模型的推荐投入，不引用另一个尚未返回的 capability 答案。两者都指定时不判；只指定一个维度时仅询问另一个。
+
+实测脚本先保留每次费用预算再请求，失败也计一次；预留每次 65536 input tokens 远高于合成输入。未知 usage.cost 停止，不记零。尚有 10 次授权余量，不默认消耗，也不因生成一个新结果文件就获得新预算。跨多次运行的全局预算需由执行者核对，脚本不是账户级额度控制。
+
+## 实施映射起点
+
+版本 `capability-slots-1`：Claude bounded/analytical/frontier = Haiku/Sonnet/Opus 5.5；Codex = Luna/Sol/Sol（目前目录只有两种已选能力模型，不伪造第三种）。推荐 effort 复用当前 [官方起点表](../src/effort.ts#L7-L16)，Claude 三模型 medium、Luna high、Sol medium。depth 只按支持序列移动一档，automatic 不使用 max；显式值仍校验目录、允许列表与上限，失效报错不替换。
+
+这份映射是初始试验基线，不声称已经独立证明各子模型是最优能力槽。未进行实际子模型调用或端到端任务保留集对照；其成本、质量与返工收益均未知。

package/docs/magpie-live-acceptance.md

@@ -0,0 +1,27 @@
+# Magpie 真实最小验收与本地部署
+
+2026-10-25。用户授权按订阅最小必要调用完成验收与本地部署重启，不授权全局默认切换或发布。
+
+## 实际结果
+
+- 在线 Magpie `/models` 返回 200，确认完整 provider/model 与 effort 元数据；不依赖磁盘缓存作可用证明。
+- GPT：真实 Jev + 生产插件 + 官方 ordinary 子工具 + Magpie adapter，最终 `dsh-magpie-connect` / `codex/gpt-6-luna` / medium / maxTokens=1024，4322 ms，排序去重 JSON 确定性 oracle 通过。
+- Claude：先遇网关账户认证 502，用户重新登录后成功；同一路径选 `claude/claude-haiku-5-5` / low / maxTokens=1024，4027 ms，同一 oracle 通过。未绕到本地 Claude。
+- 实际结果仅证明生成可用与请求配置；不证明底层服务内部推理投入与 effort 参数完全相等，不宣称统计性能收益。订阅实际美元成本 unknown。
+- 尝试旧策略表参考时被官方固定工具实例拒绝显式 model 参数，未产生该参考模型执行；已删除不可用试验分支，不冒充完成策略对照。6任务保留集仍未运行。
+
+## 部署与现场
+
+- 首次 `dsh build` 因仓库工作依赖缺少 lottie-web 失败，恢复已声明依赖后第二次构建成功；再跑一次构建成功且没有 changed/reinstall/generate 操作。
+- 通过 manifest/sync 物化源码，没有手改部署插件。没有升级 DSH。最终再次逐字节确认部署的 index、policy-host、policy-v2、client 构建与源码构建一致；读取持久配置确认为 legacy/AUTO，没有改变全局策略。
+- 自动 restart 尝试中断，用户手动恢复服务成功；现有 3080 GUI 已实测可访问，未将自动重启记为成功。近期日志没有足够证据定位自动重启挂起根因，不猜测。
+- 使用官方启动 URL 认证隔离浏览器，不输出 token；现有 GUI 的设置页显示原策略被选中、v2 试验入口存在。切换 v2 草稿后保存按钮启用；切回原策略并关闭，未保存或改变全局策略。
+- 190 项 package 测试、typecheck 在依赖恢复后再次通过；mock 官方完整冷恢复证据见开发报告。GUI 只验界面入口与草稿状态，不冒充在真实 GUI 已执行完整子路由。
+
+## 全仓检查
+
+全仓 `npm test`：447 项，444 通过、2 跳过、1 失败。唯一失败为文档治理要求链接目标已进入 Git tracked 集合，而本次新增报告尚未暂存；文件真实存在，不为制造绿灯自动 staging 或改写治理测试。package 190 项测试全部通过；artifact check、严格 OpenSpec、diff check 通过。
+
+## 边界
+
+当前 policy 是插件全局设置，不是单会话策略选择；没有承诺仅启用某一会话就实际保存全局开关。默认仍为旧策略。若要全局启用 v2 需用户明确选择。真实 fresh teammate、fork、任务质量收益和保留集对照均不在此最小验收通过范围。

package/docs/policy-v2-development.md

@@ -0,0 +1,68 @@
+# policy-v2 开发与验收记录
+
+## 状态
+
+2026-10-25 用户在最小真实 Magpie 验收后追加授权：AUTO 默认升级，不再要求版本开关。默认配置为内部 policy-v2；显式 legacy 仅供回滚。旧四档配置保留但不参与新策略，MANUAL 不变。已构建部署、通过分离控制进程重启现有3080服务，并在实际GUI验证无版本选择、显示 AUTO 已使用新策略。真实质量/返工/成本对照仍未完成，不宣称性能收益。
+
+## 实现入口
+
+- [Jev 契约](../src/jev.ts)：复用认证、deadline、body 上限、错误分类；原 tier 问题不变。新主请求只问 depth；子请求一次问 capability/depth，显式约束只问未指定维度。
+- [独立映射](../src/policy-v2.ts)：版本化能力槽，effort 推荐起点按受支持序列最多移动一档，受 cap 限制，不自动使用 max。映射是初始基线，Codex analytical/frontier 都是 Sol，未虚构第三模型。
+- [宿主接入](../src/policy-host.ts)：官方 `tools/execute` → AsyncLocalStorage → `agent/created` 绑定精确 child ID 和 parent/root；不依赖 prompt 相似度。`agent/pre-step` 获取首次任务并决策，`agent/request` 应用；`request/header` 记录匹配证据。
+- [持久化](../src/policy-store.ts)：每 child 哈希路径、严格 schema、owner-only 原子替换，只有身份/版本/约束/路由/状态，不含任务原文。缺失、损坏、未完成恢复不默默继承；未完成决策不能用后续消息重新分类。
+- [工具](../src/subagent-tool.ts)：policy-v2 下 optional preview，仅 recommended；普通创建工具负责精确应用，不把预览冒充 applied。
+- [设置](../src/client/settings-section.ts)：无用户版本开关；省略即新策略，旧四档表仅在显式 legacy 回滚时显示。当前能力槽是版本化代码，不新增另一套可编辑映射表。
+- [状态 API](../src/index.ts)：`auto-model-routing.childRouting` 接收 `{sessionId}`；主 state 返回 policy/depth/effort。v2 不使用 `selectModel`，避免全局默认副作用。
+
+## 覆盖矩阵
+
+| 路径/行为 | 证据 | 结果/边界 |
+|---|---|---|
+| 官方 ordinary fresh continuable 工具与 provider | [整链脚本](../scripts/policy-v2-host-probe.mjs)加载官方 0.2.0-rc.2、真实生产插件，fake Jev/adapter | 实际请求 model/effort 匹配；全宿主关闭重建后恢复，不重判 |
+| 官方 fresh teammate 工具与服务 | 同上 | 创建、后续消息和全宿主恢复通过，不重选 |
+| 并发创建与显式模型/effort | [宿主测试](../test/policy-host.integration.test.ts)官方 Tools/Agents，测试创建工具 | 并发精确身份隔离；两者指定零判断；普通/teammate 官方 provider 的并发压力未测 |
+| fork / teammate fork | tools wrapper 可提前拒绝 | unsupported，真实历史兼容未验证，不擅自转 fresh |
+| 未绑定 service API、别名工具、远端 ACP | 进入子 pre-step 时若发现启用 v2 而无绑定则停止 | 不宣称支持；根链不可达时不作自动决策。未宣称能阻止进程外原生创建 |
+| MANUAL / 切回原策略 | unit + host tests | 不做新判断；已绑定实例保留创建初始路线，不因后续消息换模 |
+| needs-context / Jev 402 / 配置失效 | host tests | 子请求停止，根仍 AUTO，不静默替代或自治重试 |
+| 恢复损坏 / 身份不匹配 | store tests | fail closed；单进程按 child 写，无跨进程争用/崩溃注入证明 |
+| 实际请求被其它 middleware 改写 | host mismatch test | 记录 failed，不标 applied；header observer 抛错为尽力阻断，不将配置匹配等同调用成功 |
+| 当前允许列表与父快照 | 新鲜 catalog 校验 + 父 `subagent/model-selection-policy`（存在时） | 不用较新全局列表扩大父快照；整链脚本的 allowlist 是合成 service seam，未验证真实 GUI 设置装配 |
+
+适配器/Jev 都为 fake 的宿主测试不证明真实 provider 兼容、真实工具 schema 部署或网络效果。实际 `applied` 只代表 request/header 配置匹配，不代表任务验收、模型成功或底层 provider 尊重 effort。
+
+## 验证
+
+- 真实 Jev：10 请求 / development 5 + holdout 5，均符合预期，US$0.000344148；见 [Jev 记录](jev-policy-v2-validation.md)。没有实际子模型调用。
+- package `npm run typecheck`、`npm test`（29 文件 / 184 测试）、`npm run build` 通过；构建保留现有 tsdown deprecation/format warning，不顺手升级工具链。
+- 官方整链脚本：ordinary + fresh teammate 创建/请求/全宿主冷恢复通过。
+- 早期 [宿主能力探针](host-capability-report.md)证明 service/request 基础能力；新整链脚本补充生产插件与正式工具绑定，而非把之前的测试标签 oracle 当生产实现。
+
+重跑整链：先 package build；在原临时官方 prefix 的基础上，精确安装 `@deepseek-ai/dsh-tool-subagent@0.2.0-rc.2`、`@deepseek-ai/dsh-experimental-tool-agent-team@0.2.0-rc.2`、`@deepseek-ai/dsh-launch-environment@0.2.0-rc.2`（`--save-exact --ignore-scripts`），然后：
+
+```sh
+node packages/auto-model-routing/scripts/policy-v2-host-probe.mjs "$PROBE_HOME"
+```
+
+官方 standing tool 的 `modelSelectionSettings:true` 要求 preset-scoped context；隔离脚本没有伪造该 composition，使用 standing fixed-schema 工具 + 合成 allowlist。因此显式选择与父快照另用 host tests 验证，真实 preset/GUI 组合不记为通过。
+
+## 独立审查后的修复
+
+用户授权只读独立审查后，修复子输入来源过滤、模式往返 epoch 撤销、await 后 MANUAL 复核，以及路由记录丢失时的 sidecar 绑定检测。原尝试自定义 session 事件被官方持久化拒绝，已完全移除；不依赖上游改动。完整官方 cold resume 探针重新通过。独立最终聚焦复核结论 PASS；其测试命令未能找到 vitest，测试通过证据来自主会话的完整运行，不将其静态审查冒充独立测试通过。
+
+`.bound` 标记只保存 child ID，不包含任务；路由 JSON 缺失而标记保留时 fail closed。整个插件状态目录（两份记录）同时丢失、或旧版无标记记录丢失，无法检测，不能泛称所有存储丢失都已覆盖。
+
+## Magpie 接入（2026-10-25）
+
+用户指定实际模型先只经 Magpie，OpenRouter 仅 Jev，不用本地 Claude/codex。v2 支持精确 `dsh-magpie-connect` transport，持久记录保留完整 model ID；自动映射使用 `claude/...` / `codex/...` 家族，不把网关 route 伪装为本地 provider。映射版本为 `capability-slots-2-magpie`，已有完成路由保持原配置；其他网关模型可显式使用，未定义能力槽时不自动猜；未知模型 effort 使用 LLM 目录 defaultEffort，缺失则停止。固定已知家族沿用版本化官方起点。
+
+当前 legacy catalog 仍不包含 Magpie；持久子路由重放使用独立全量策略目录，避免关闭试验导致既有实例失效。目录/allowlist 校验对精确 provider+model 执行，模型名含斜线只在 v2 网关路径允许，旧配置校验不放宽。
+
+验证：190 测试、类型检查、构建通过；官方工具整链脚本加 `--magpie` 后通过 ordinary/fresh teammate 和全宿主冷恢复（fake adapter/Jev，无外网）。实际 dsh-magpie-connect 0.4.1 源码显示 resolveModel.reasoning 从缓存努力等级构建 defaultEffort；尚未验证在线生成或真实 effort 消费，不把缓存/模拟当实测。
+
+## 回滚与后续
+
+- 切回 legacy 或 MANUAL：停止新判断；已有 child 继续恢复初始路线，避免意外退回父模型。
+- 完全移除/停用插件：请求覆盖停止，官方 cold resume 回到创建 descriptor 配置；操作前应确认已创建子任务可以接受该变化。
+- 不修改 main current spec，不归档 change；其约束继续描述默认旧策略。试验有独立 delta spec。
+- 未运行真实子模型保留集对照、返工总成本评估、浏览器部署验收、全仓测试、sync、发布。4.3 和默认推广不完成；真实质量与收益未知，不记为零。

package/docs/policy-v2-real-evaluation-plan.md

@@ -0,0 +1,32 @@
+# policy-v2 真实任务对照（计划；完整对照未执行）
+
+## 目的与门槛
+
+下一步不是直接部署，而是在独立评审修复后验证真实子模型质量、耗时与总开销。现有 10 个 Jev 分类样例不是执行任务基准，不能把其标签命中率当任务成功率。不得消耗剩余 Jev 授权来调用其它模型；2026-10-25 用户已授权以最小必要订阅调用验收并本地部署，不再按美元预算审批；仅经 Magpie。当前真实最小验收已完成，完整对照仍未完成，见 [实测记录](magpie-live-acceptance.md)。
+
+## 已确认的执行入口（2026-10-25）
+
+用户明确本机网络约束：OpenRouter 仅用于 Jev；实际子模型先只经 Magpie（含其中的 GPT/Claude 等模型）。不调用本地 Claude，不调用本机 codex/subscriptions，也不使用 OpenRouter 执行模型。
+
+本机缓存显示 Magpie DSH provider ID 为 `dsh-magpie-connect`，model ID 例如 `claude/claude-haiku-5-5`、`codex/gpt-6-luna`。缓存只证明曾发现的目录，不证明当前在线可用或实际 effort 生效。
+
+**接入进度**：policy-v2 已接入 `dsh-magpie-connect` 精确 provider/model；Claude/GPT 前缀识别能力家族，其他模型只允许显式选用并从当前目录读取 defaultEffort（两维显式时只验证）。没有自动能力槽时停止，不猜、不回退本地入口。旧策略目录不变；已绑定 Magpie 子会话切回 legacy 后仍使用独立目录恢复。190 项测试与 fake-adapter 官方工具全宿主恢复通过，尚未执行真实 Magpie 模型调用。网关插件是已配置模型入口，不修改其源码或上游。
+
+## 最小可执行方案
+
+- 固定一个 provider，避免首轮同时混入跨 provider 与 fork 变量；只测官方 ordinary fresh，主组织/验收角色固定。
+- 两个策略：默认 legacy 与显式 policy-v2；每个策略对同样的 6 个合成、独立验收任务执行一次，总计初始 12 个子运行。
+- 任务三类各 2 个：有确定 validator 的机械修改、需要定位根因的调查修复、需约束推理的分析。先写 fixture、测试/验收 oracle，再执行；一半用于开发、一半冻结为 holdout，不因结果修改预期。
+- 每个运行最多一次由主 Agent 明确决定的返工，额外运行也计预算，故最多 24 个子运行。禁止路由器自动升级、自动重试和失败后偷偷换模型。
+- provider 模型与 effort 必须先从当前官方目录/允许列表解析并确认，报告完全展开后的模型 ID，不能只写 Haiku/Sol 等别名。现在不假定任何真实 adapter 可用，也不触碰 subscriptions/MANUAL adapter。
+- 准确模型列表、每模型调用次数、输入/输出上限、美元费用或订阅额度上限必须在执行前提交用户确认。无法获得可约束费用的官方模型入口则停止，不自建兼容 adapter。
+
+## 指标
+
+每个任务记录：独立验收是否通过、初次/最终通过、返工原因/次数、分类调用耗时与usage、子执行与验收总耗时、可用的实际usage/成本、基础设施错误。缺失字段记 unknown，不记 0；订阅usage不等同美元API价格。
+
+以包含返工与验收的总成本/总耗时比较，不能只比较首次选中轻模型。小样本只用于发现明显回归，不据此声称统计最优。是否默认推广需要单独批准。
+
+## 不包含
+
+部署、发布、GUI现场验证、fork兼容、真实业务数据/会话外发、扩大provider适配层、自动重试系统。通过后再申请单会话 opt-in 现场试运行，不默认全局启用。